Datamoestuin: alleen zó kun je de vruchten van BI en AI plukken

Krachtvoer uit eigen datamoestuin  

Datagedreven werken drijft op business intelligence (BI) en artificial intelligence (AI). BI kun je zien als een loep die jou, de tuinman, helpt om de staat van gewassen in kaart te brengen. In je échte datalandschap resulteert BI in heldere inzichten rondom je belangrijkste KPI's.  

AI gaat een stap verder. Het ontdekt niet alleen patronen en trends in de huidige staat van je gewassen, óók als je tientallen hectares landbouwgrond hebt. Ook voorspelt het de toekomstige behoeften van planten én geeft het suggesties voor de ideale aanpak. Dankzij die inzichten en voorspellingen personaliseer jij in de werkelijke datawereld bijvoorbeeld klantinteracties, of voorspel je welke klanten gaan vertrekken.

BI en AI is het koren op de molen waarmee jij plantgoed laat uitgroeien tot eersteklas vruchten. Met deze ingrediënten kook je heerlijke krachtvoergerechten, waardoor jouw organisatie vooruit kan sprinten.

Hup, de datamoestuin in! Tijd om wat goede datakwaliteit en data governance te cultiveren.

Gebrekke datakwaliteit → magere oogst 

Je oogst wat je zaait en plant, zo luidt een belangrijk devies in de datamoestuin. Gebrekkige datakwaliteit is als inferieur plantgoed: de zwakke planten die uit de zaadjes, zaailingen en stekjes voortkomen leiden per definitie tot een magere oogst.

Het belang van datakwaliteit wordt vaak onderschat. Veel van onze klanten denken klaar te zijn na het bouwen van dashboards. Echter: zijn ze niet betrouwbaar omdat je data niet accuraat, actueel en consistent is? Dan loop je eerder schade op door slechte beslissingen dan dat deze BI-tooling helpt.

Verslechterende datakwaliteit komt vaak voort uit (een combinatie van) menselijke fouten, gebrekkige technologieën en ondermaatse data governance. Veel organisaties kampen ermee. Denk bijvoorbeeld aan:

• Je verzamelt al jaren klantgegevens, maar ze worden steeds minder up-to-date. Veel e-mailadressen niet meer in gebruik, dus komen mails niet aan.
• Dubbele data. Staat een klant op vijf manieren in je systeem, dan krijgt ‘ie ook vijf e-mails.
• Inaccurate voorraadgegevens. Dit leidt vaak tot lagere klanttevredenheid omdat bestellingen niet (helemaal) geleverd kunnen worden. Of juist tot onnodig hoge opslagkosten.

Data governance: voorkom een  jungle

Je datamoestuin heeft data governance nodig: als tuinier moet jij het hele proces van zaaien of planten tot oogsten in goede banen leiden. Bewateren, onkruid wieden, kunstmest toedienen, beschermen tegen vogels en plaagdieren, noem maar op. Zonder tuinder transformeert je land in een onkruidjungle. En je flora tot een dorre takkezooi.

Data governance in je echte datalandschap zorgt voor duidelijke regels, verantwoordelijkheden en processen voor het omgaan met data. Ontbreken deze ‘spelregels’? Dat leidt al snel tot problemen. De manieren voor het verzamelen, beheren en controleren van data zijn bijvoorbeeld niet eenduidig. Afdelingen met eigen data-invoerpraktijken zijn een bekend voorbeeld. Een notoir data governance-probleem is ook lage datageletterdheid onder medewerkers: door misinterpretaties maken ze bijvoorbeeld vaak verkeerde keuzes.

Je geliefde landschap overstroomt 

Zonder beheersmaatregelen blijven er doorlopend fouten in je data sluipen. Die fouten blijven onopgemerkt door slechte monitoring en resulteren in onfortuinlijke beslissingen. Gevolg: medewerkers hebben steeds méér frustraties en steeds mínder vertrouwen in data. Dat het hele datagebeuren, zo menen ze, haalt toch niets uit. Daardoor worden ze nog onzorgvuldiger. Zo ontstaat een vicieuze cirkel die jouw geliefde landschap laat overstromen met slechte data, waardoor de gerelateerde businessproblemen verergeren en verergeren.

Tuurlijk, probeer gerust de cirkel te doorbreken door te dweilen: schoon je data om de datakwaliteit op te krikken. Maar zolang je geen effectieve data governance hebt, blíjf je dweilen. Nieuwe fouten zijn een kwestie van tijd. Daardoor verslechtert je datakwaliteit weer en beland je opnieuw in de cirkel. Het enige dat helpt, is de kraan dichtdraaien. Met data governance, dus. 

Kwaliteit wordt óók pakkie-an van de business

Datakwaliteitsbeheer is een essentiële pijler binnen data governance. Dit realiseer je onder meer door een data steward aan te stellen. Hij of zij beheert en waarborgt de datakwaliteit binnen je organisatie, en moet dus tooling voor kwaliteitsmonitoring hebben. Wij maken regelmatig datakwaliteitsdashboards voor klanten. Data stewards krijgen daarmee inzicht in de gegevensgesteldheid, waarna ze het startschot kunnen geven voor activiteiten die de kwaliteit verhogen.

Het dataprobleem ligt traditioneel bij ‘tuinman’ IT. Data stewards komen meestal uit de business, dus breidt de verantwoordelijkheid uit naar de businesskant. Oftewel: naar de kok en de sommelier die van de moestuiningrediënten het eindproduct maken en daarover contact hebben met de klant. Gedeelde verantwoordelijkheid ontlast IT-managers en bevordert de samenwerking op datavlak. De kok en de sommelier in onze metafoor kunnen bijvoorbeeld feedback geven aan de tuinman. Welke gewassen moet hij telen en hoe moeten ze worden aangeleverd?

Troep erin, troep eruit 

Een moestuin floreert door afval, als het tenminste compost is. In je datalandschap geldt juist het tegenovergestelde voor BI en AI: garbage in, garbage out. Is je inputdata verouderd, onvolledig of incorrect? Dan wordt de output gegarandeerd troep, hoe ingenieus en geavanceerd je BI- of AI-tooling ook is.

De heerlijkste datagedreven gerechten

Lang verhaal kort: alleen met veredelde zaadjes (=hoge datakwaliteit) en een tuinman die zorgt voor een ideaal teelproces (=data governance) kun je de vruchten plukken van BI en AI. Vruchten zoals accurate analyses, inzichten en voorspellingen. Met de oogst ga je vervolgens flink kokkerellen. Personaliseer aanbiedingen, optimaliseer je voorraadbeheer, ontdek nieuwe klantsegmenten: jij weet wel wat het recept voor succes is.

En dan… het moment suprême! Je schotelt jezelf de heerlijkste datagedreven gerechten voor, allemaal gebaseerd op ingrediënten uit eigen (moes)tuin. Betere beslissingen op een bedje van overtuigende onderbouwingen. Kostenbesparingen bereid met efficiënter voorraadbeheer en optimalisatie van de supply chain. Nieuwe groeimogelijkheden gegarneerd met productinnovatie en betere prijsstrategieën. En, als dessert, verbeterde klanttevredenheid besprenkeld met wat extra cross-selling- en upselling-kansen.

Groei smakelijk! 

Op jacht naar zakelijk succes met data

Wat is er nodig om te transformeren naar een datagedreven organisatie? In de contentserie Op jacht naar zakelijk succes met data gaan we met dataduizendpoot Pieter-Jan Snijders achter alle uitdagingen, kansen, tips en tricks aan. Zo willen we bedrijven met een wat lager datavolwassenheidsniveau een kickstart geven op weg naar werkelijk datagedreven werken.

Kies je voor Data Driven Organization, dan ga je samen met Cegeka transformeren én innoveren met data. Binnen deze modulair opgebouwde ‘one-stop-datashop’ staan de integrale aanpak en de nauwe samenwerking met klanten centraal. De methode is gebouwd op bewezen effectieve pijlers zoals best practices, tooling en templates.